如何使用opencv檢測大量白色像素的區域？

Question

我想檢測內部圖像的徽標，以消除它，我有一個想法是尋找具有大量像素然後刪除的對象，另一個想法是循環所有的白色像素（我已倒置我的形象），並尋找形成一個大區域的像素，然後去除這個區域，有沒有更好的算法，這個，還有opencv中的哪些方法將幫助我檢測大像素數目的對象。

Answer 1

我有一個方法可以做到這一點。我不知道這種方法是否適用於所有人，但在這裏效果很好。

下面是代碼（在Python）：

首先轉換圖像爲灰度，調整大小圖像，應用閾值，並進行相同的尺寸和的該尺寸調整灰度圖像的類型的掩模圖像。 （遮罩圖像只是一個黑色圖像）

import cv2 
import numpy as np 

img = cv2.imread('bus.png') 
img = cv2.resize(img,(400,500)) 
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
ret,gray = cv2.threshold(gray,127,255,0) 
gray2 = gray.copy() 
mask = np.zeros(gray.shape,np.uint8) 

現在在閾值圖像中找到輪廓。過濾500到5000之間的輪廓。它最可能是一個大的白色斑點，顯然不是字母。 （記住，這個區域特別適合這張圖片，我不知道你的其他圖像，你必須自己找到它）。現在在填充了白色的蒙版圖像上繪製輪廓。

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
for cnt in contours: 
    if 200<cv2.contourArea(cnt)<5000: 
     cv2.drawContours(img,[cnt],0,(0,255,0),2) 
     cv2.drawContours(mask,[cnt],0,255,-1) 

Below is the detected contour image:

Next is the mask image:

現在你使用cv2.bitwise_not功能反轉圖像。您可以選擇在掩模圖像的哪個位置放置掩模，以便該功能僅在輸入圖像中掩模圖像中存在白色的區域進行操作。

cv2.bitwise_not(gray2,gray2,mask) 

最後顯示的圖像：

cv2.imshow('IMG',gray2) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

，這裏是結果：

---

注：

以上方法是爲了在白色方塊中保存「橙色」。這就是爲什麼有些神器出現在那裏。如果你不想那個橘子，它可以更準確。

只需找到區域過濾輪廓的邊界矩形和填充黑色的繪製矩形。

代碼：

import cv2 
import numpy as np 

img = cv2.imread('bus.png') 
img = cv2.resize(img,(400,500)) 
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
ret,gray = cv2.threshold(gray,127,255,0) 
gray2 = gray.copy() 

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
for cnt in contours: 
    if 200<cv2.contourArea(cnt)<5000: 
     (x,y,w,h) = cv2.boundingRect(cnt) 
     cv2.rectangle(gray2,(x,y),(x+w,y+h),0,-1) 

cv2.imshow('IMG',gray2) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

結果：

檢測邊界rects：

然後fillout與黑色矩形的那些：

它比以前的更好，當然如果你不想「ORANGE」）

Answer 2

您可以使用形態濾波器（也許交替順序濾波），以簡化您的多彩色圖像，然後使用分割算法像分水嶺或粒度的一些方法和選擇的最大對象。您可能會在網上找到幾個實現。但是，只有徽標是離散的（例如不在背景中），這才能起作用。